Dissertação

{en_GB=Neuromorphic Image Reconstruction} {} EVALUATED

{pt=Sensores de visão neuromórficos gravam mudanças de intensidade logarítmica e conseguem obter menor latência, maior resolução temporal e maior alcance dinâmico do que câmeras convencionais com pixels activos. A compressão diferencial feita no sensor introduz, no entanto, o desafio de visualização dos dados produzidos pela câmera. As componentes de um método de reconstrução de imagem da literatura são estudadas para obter uma estimação de imagem de referência. A implementação de uma geometria esférica de mosaico é detalhada e uma interpretação em grafo da stream de eventos é proposta. Duas técnicas de construção de mosaico são apresentadas, a primeira usa o método de reconstrução de imagem estudado para construir estimativas de intensidade e projecta-as no mosaico. A segunda é obtida a partir do grafo por um método de mínimos quadrados em intensidade logarítmica com restrições que produz uma reconstrução não densa. Vídeo do que a câmera está a observar também é produzido usando variáveis calculadas pela segunda técnica. Além disso, uma técnica para converter um mosaico não denso em denso é apresentada. Métricas são propostas e ambas as técnicas de construção de mosaicos são avaliadas quantitativamente., en=Neuromorphic vision sensors record changes in log-intensity and can achieve lower latency, higher temporal resolution and higher dynamic range than conventional active pixel cameras. The in-sensor differential compression, though, presents the challenge of visualizing the camera's output. The components of an image reconstruction method from the literature are studied to obtain a baseline image estimation. The implementation of a spherical mosaic geometry is detailed and a graph interpretation of the event stream is proposed. Two mosaicing techniques are presented, the first uses the studied image reconstruction method to build intensity estimates and projects them onto the mosaic. The second is obtained from the graph by a constrained least squares log-intensity method that produces a non dense reconstruction. Video of what the camera is observing is also produced by leveraging intermediate variables computed by the second technique. Furthermore, a technique to convert a non dense mosaic into dense is presented. Metrics are proposed and both mosaicing approaches are quantitatively evaluated.}
{pt=Câmera neuromórfica, câmera de eventos, DVS, construção de mosaico, reconstrução de imagem, processamento de sinal em grafos, en=Neuromorphic camera, event camera, DVS, mosaicing, image reconstruction, graph signal processing}

Junho 24, 2019, 10:0

Orientação

ORIENTADOR

João Manuel de Freitas Xavier

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado

ORIENTADOR

José António Da Cruz Pinto Gaspar

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar